拉贾什·古哈尼约吉;苏迪普托·班纳吉 多元空间元克里格法。 (英语) Zbl 1407.62345号 统计概率。莱特。 144, 3-8 (2019). 总结:这项工作扩展了早期关于空间元克里格法的工作,用于分析环境和气候科学中常见的大型多元空间数据集。空间元克里金将数据划分为子集,使用贝叶斯空间过程模型分析每个子集,然后通过优化组合每个子集的个别后验分布,获得整个数据集的近似后验推理。重要的是,正如空间分析中经常需要的那样,空间元克里格法在考虑空间定向预测因子后,在任意位置为结果以及剩余空间表面提供了后验预测推断。我们目前的工作探索了空间元克里格思想,以增强多元空间高斯过程模型的可扩展性,该模型使用线性模型协同区域化(LMC)来解释多个分量之间的相关性。这种方法简单、直观,可以毫不费力地将多变量空间过程模型扩展到大数据。一项模拟研究揭示了空间元克里格法对多元观测数据的推断和预测准确性。 引用于2文件 MSC公司: 62立方米 空间过程推断 2015年1月62日 贝叶斯推断 62H11型 定向数据;空间统计学 关键词:贝叶斯推断;线性模型区域化;多元高斯过程;点参考数据;空间元克里金;空间随机过程 软件:FRK公司;spBayes公司 PDF格式BibTeX公司 XML格式引用 \textit{R.Guhaniyogi}和\textit{S.Banerjee},Stat.Probab。莱特。144,3--8(2019年;Zbl 1407.62345) 全文: DOI程序 链接 参考文献: [1] 班纳吉,S。;卡林,B.P。;Gelfand,A.E.,《空间数据的层次建模与分析》(2014),Crc出版社 [2] 班纳吉,S。;芬利,A.O。;Waldmann,P。;Ericsson,T.,大型遗传试验中多性状的层次空间过程模型,J.Amer。统计师。协会,105,490,506-521(2010)·Zbl 1392.62316号 [3] 班纳吉,S。;Gelfand,A.E。;芬利,A.O。;Sang,H.,《大型空间数据集的高斯预测过程模型》,J.R.Stat.Soc.Ser。B统计方法。,70, 4, 825-848 (2008) ·Zbl 05563371号 [4] 北卡罗来纳州克雷西。;Johannesson,G.,《超大空间数据集的固定秩克里金法》,J.R.Stat.Soc.Ser。B统计方法。,70, 1, 209-226 (2008) ·Zbl 05563351号 [5] 北卡罗来纳州克雷西。;Wikle,C.K.,《时空数据统计》(2015),John Wiley&Sons·Zbl 1273.62017年 [6] Datta,A。;班纳吉,S。;芬利,A.O。;Gelfand,A.E.,大型地质统计数据集的层次最近邻高斯过程模型,J.Amer。统计师。协会,111,514,800-812(2016) [7] 杜,J。;张,H。;Mandrekar,V.,锥形极大似然估计量的固定域渐近性质,Ann.Statist。,37、6A、3330-3361(2009)·Zbl 1369.62248号 [8] 艾兹维克,J。;Shaby,文学学士。;Reich,B.J。;惠勒,M。;Niemi,J.,《具有块复合可能性的空间模型中的估计和预测》,J.Compute。图表。统计人员。,23, 2, 295-315 (2014) [9] 芬利,A.O。;班纳吉,S。;Waldmann,P。;Ericsson,T.,大型空间试验数据集加性和显性遗传方差的层次空间建模,生物统计学,65,2,441-451(2009)·Zbl 1165.62079号 [10] 富勒,R。;Genton,M.G。;Nychka,D.,《用于大型空间数据集插值的协方差锥化》,J.Compute。图表。统计人员。,15, 3, 502-523 (2006) [11] (Gelfand,A.E.;Diggle,P;Guttorp,P;Fuentes,M,《空间统计手册》(2010),CRC出版社:佛罗里达州博卡拉顿CRC出版社)·Zbl 1188.62284号 [12] Gelfand,A.E。;施密特,A.M。;班纳吉,S。;Sirmans,C.,通过空间变化的区域化进行非平稳多元过程建模,Test,13,2,263-312(2004)·Zbl 1069.62074号 [13] Gneiting,T。;克莱伯,W。;Schlather,M.,多元随机场的Matérn互协方差函数,J.Amer。统计师。协会,105,491,1167-1177(2010)·Zbl 1390.62194号 [14] Gneiting,T。;Raftery,A.E.,《严格正确的评分规则、预测和估计》,J.Amer。统计师。协会,102,477,359-378(2007)·Zbl 1284.62093号 [15] Guhaniyogi,R.,多元偏差调整锥形预测过程模型,空间统计,21,42-65(2017) [16] Guhaniyogi,R.和Banerjee,S.(新闻稿)。Meta-kriging:大规模空间数据集的可扩展贝叶斯建模和推理。技术计量学。https://doi.org/10.1080/00401706.2018.1437474; Guhaniyogi,R.和Banerjee,S.(新闻稿)。Meta-kriging:大规模空间数据集的可扩展贝叶斯建模和推理。技术计量学。https://doi.org/101080/00401706.2018.1437474 [17] Guhaniyogi,R。;芬利,A.O。;班纳吉,S。;Gelfand,A.E.,大型空间数据集的自适应高斯预测过程模型,环境计量学,22,8,997-1007(2011) [18] Guhaniyogi,R。;芬利,A.O。;班纳吉,S。;Kobe,R.K.,《复杂空间相关性建模:低库空间变化交叉协方差及其在土壤养分数据中的应用》,农业杂志。生物与环境。统计,18,3,274-298(2013)·Zbl 1303.62071号 [19] Guhaniyogi,R.,Li,C.,Savitsky,T.D.,Srivastava,S.,2017年。大规模克里金的分治贝叶斯方法,arXiv预印本。arXiv:1712.09767;Guhaniyogi,R.,Li,C.,Savitsky,T.D.,Srivastava,S.,2017年。大规模克里金的分治贝叶斯方法,arXiv预印本。arXiv:1712.09767 [20] 考夫曼,C.G。;Schervish,M.J。;Nychka,D.W.,大型空间数据集中基于相似性估计的协方差递减,J.Amer。统计师。协会,103,484,1545-1555(2008)·Zbl 1286.62072号 [21] Minsker,S.、Srivastava,S.,Lin,L.、Dunson,D.,2014年。通过中位数后验的可伸缩且稳健的贝叶斯推断。摘自:《第31届国际机器学习会议论文集》,ICML-14,第1656-1664页。;Minsker,S.、Srivastava,S.,Lin,L.、Dunson,D.,2014年。通过中位数后验的可伸缩且稳健的贝叶斯推断。摘自:《第31届国际机器学习会议记录》,ICML-14,第1656-1664页。 [22] H街。;马丁诺,S。;肖邦,N.,《利用集成嵌套拉普拉斯近似对潜在高斯模型进行近似贝叶斯推断》,J.R.Stat.Soc.Ser。B统计方法。,71, 2, 319-392 (2009) ·Zbl 1248.62156号 [23] 沙比,B。;Ruppert,D.,锥化协方差:贝叶斯估计和渐近,J.Compute。图表。统计人员。,21, 2, 433-452 (2012) [24] 斯坦因,M.L。;Chi,Z。;Welty,L.J.,《大型空间数据集的近似可能性》,J.R.Stat.Soc.Ser。B统计方法。,66, 2, 275-296 (2004) ·Zbl 1062.62094号 [25] Vecchia,A.V.,《连续空间过程的估计和模型识别》,J.R.Stat.Soc.Ser。B统计方法。,50, 2, 297-312 (1988) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。